使用区域特征的 Logo 生成：一种将 Faster R-CNN 方法应用于生成对抗网络
计算机视觉与模式识别
2021-10-05 v2 人工智能
图形学
机器学习
摘要
本文我们引入了局部 Logo 生成对抗网络（LL-GAN），它利用从 Faster R-CNN 提取的区域特征进行 Logo 生成。我们通过在真实重金属 Logo 的小型风格丰富数据集上训练该框架来生成新 Logo，从而证明了该方法的优势。LL-GAN 取得了 5.29 的 Inception Score 和 223.94 的 Frechet Inception Distance，优于最先进的模型 StyleGAN2 和 Self-Attention GAN。
引用
@article{arxiv.2109.12628,
title = {Logo Generation Using Regional Features: A Faster R-CNN Approach to Generative Adversarial Networks},
author = {Aram Ter-Sarkisov and Eduardo Alonso},
journal= {arXiv preprint arXiv:2109.12628},
year = {2021}
}
备注
Accepted as full paper in EAI ArtsIT 2021